Python依赖管理工具，如何实现高效的环境管理？

0 序 学习一款新的Python依赖包管理与环境管理工具: UV。 "最近几个月，我注意到一个现象：看到的新开源项目里，越来越多开始在README里写uv pip install而不是pip install。" 2025年，Python包管理工具已经由pip变成了uv？ - Weixin/机器学习实验室 2025.11.13 全文主要摘自此篇。 比如最近与Kimi K2 Thinking一起发布的Kimi CLI就是通过uv命令安装的： uv tool install --python 3.13 kimi-cli 在 Python 开发中，包管理和环境隔离是每个开发者都会遇到的问题。 无论是 pip 的缓慢、virtualenv 的繁琐，还是 conda 的臃肿，都让开发者们期待一个更高效的解决方案。 1 概述: UV := Universal Virtual := Python 包与环境管理工具 uv是什么? uv (Universal Virtual) 是 Astral 公司开发了一款新的Python包管理工具。 提到Astral，你可能会想起他们去年发布的Ruff。 那个用Rust写的Python linter，速度快到离谱，现在已经是很多项目的标配。 uv目前在Github斩获73k的star。 https://github.com/astral-sh/uv Slogan : An extremely fast Python package and project manager, written in Rust. 一款用Rust编写的、非常快的Python包和项目管理器。 2024 年 2 月首次发布，当时的定位是更快的pip。几个月后，功能大幅扩展，变成了一个统一的Python工具链。 现在的uv，官方说可以替代pip、pip-tools、pipx、poetry、pyenv、virtualenv这一堆工具。 性能实测：快得离谱 先说性能，这是uv最吸引人的地方。 官方说uv比pip快10-100倍。一开始有大佬觉得这数字有点夸张，但看了一些真实案例后，确实差不多。 典型案例: 2024年4月，Streamlit把所有用户的包管理从pip切换到了uv。 结果是什么？ 平均依赖安装时间从60秒降到了20秒，应用部署时间直接提升了55%。 这不是实验室数据，是真实的生产环境，每天数万个应用在跑。 包安装速度对比（无缓存）： 安装pandas：1.22s (uv) vs 2.62s (pip) - 快 53% 安装numpy + scipy + torch：3.5s (uv) vs 14.8s (pip) - 快 4.2 倍 解析50+ 包的requirements.txt：5.1s (uv) vs 28.4s (pip) - 快 5.6 倍 有缓存的情况下： Jupyter Notebook项目解析：0.57s（冷启动）→ 0.02s（温缓存） 这个速度提升就是几十倍到上百倍了 虚拟环境创建： uv创建虚拟环境比python -m venv快80倍 比virtualenv快7倍 除了速度快，【资源占用】也更少： CPU 使用：68% (uv) vs 92% (pip) 内存占用：210MB (uv) vs 450MB (pip) 这意味着，在CI/CD环境或者【资源受限】的机器上，uv的优势会更明显。 为什么性能这么快? 看到这些数据，你可能会好奇：uv凭啥这么快？ 首先，编程语言。 pip是用Python写的，uv用的是Rust。Rust是系统级编程语言，性能接近 C/C++。 这是基础性能差异。 其次，uv充分利用了Rust的并发特性。 传统的pip在下载和安装包时，大部分操作是串行的; 而uv可以同时处理多个依赖的下载、构建和安装。 在依赖树比较复杂的项目里，这种【并发处理】带来的提升非常明显。 此外，uv还有一个【全局模块缓存系统】。 当你第一次安装一个包后，uv会把它缓存起来。 下次再安装同样的包（可能是在不同的项目里），uv直接从缓存读取，甚至不需要重新下载。 而且在支持的文件系统上，uv使用【写时复制】（Copy-on-Write）和【硬链接】技术。 这意味着，同一个包在多个【虚拟环境】中共享，不会占用多倍的【磁盘空间】。 最后是，依赖解析算法。 依赖解析是【包管理】中最复杂的部分。 uv使用了【更高效的算法】来解析【依赖图】，支持平台无关的解析，还能生成跨平台的【锁文件】。 这不只是快，还更可靠。 不只是快：功能全面 【速度】，只是uv的一个卖点。让人更感兴趣的是，它想成为一个【全能工具】。 最基础的功能：uv可以完全替代pip # 传统方式 pip install requests # uv方式 uv pip install requests 命令几乎一样，学习成本很低。 而且uv还支持很多pip没有的高级特性，比如依赖版本覆盖、更灵活的解析策略等。 首先，uv可以像Poetry一样管理整个项目： # 初始化项目 uv init my-project # 运行项目 uv run main.py # 生成跨平台锁文件 uv lock # 同步环境 uv sync 生成的lockfile，确保团队成员和CI环境都用完全相同的依赖版本。 uv也可以用于Python的版本管理（替代 pyenv），这个功能让我挺意外的： # 安装 Python 3.12 uv python install 3.12 # 在当前目录下使用特定版本 uv python pin 3.12 uv可以直接下载和管理Python版本，不需要额外装pyenv或 pythonbrew。 uv也可以用于工具管理（替代 pipx），比如说需要安装一个【全局命令行工具】？ # 安装工具 uv tool install ruff # 或一次性运行，不安装 uvx ruff check . uvx这个命令特别方便，想临时用一个工具的时候，不需要先装到全局环境。 uv还支持单文件Python脚本的依赖管理。 你可以在脚本开头声明依赖，然后用uv run script.py直接运行，uv会自动处理依赖安装和环境隔离。 这对写一些小工具脚本非常友好。 uv 的优势 速度极速：由于使用 Rust 编写，uv 的性能远超 pip 和其他包管理工具，安装依赖的速度可以提升 10-100 倍。 比 pip 快 10-100 倍，比 Conda 快 100 倍以上。 功能集成/一体化功能：集成虚拟环境管理、依赖锁定、Python 版本控制等。 集成语法分析、依赖解析、包安装、环境管理和 Python 版本管理于一体，无需再安装和学习多个工具。 确定性构建：uv 会生成 uv.lock 文件，确保在任何环境中都能安装完全相同的依赖版本，避免 "在我机器上能运行" 的问题。 与现有工具兼容：uv 可以处理 requirements.txt 和 pyproject.toml，可以无缝替代现有工作流中的 pip。 兼容 pip、requirements.txt 和 pyproject.toml。 跨平台支持：兼容 Windows、macOS 和 Linux。 零依赖：单文件二进制，无需额外安装 Python 环境。 uv能不能替代Conda / Pip? 这取决于使用场景： uv专注于Python依赖包管理，对于纯Python项目，它完全够用，而且更快更轻量。 但Conda可以管理【系统级依赖】（比如：CUDA、各种C库），在科学计算和深度学习领域，Conda还是有它的生态位置。 另外，有些CI平台对uv的支持还在完善中，可能需要自己写一点额外的配置。 偶尔会遇到一些包的构建问题，特别是那些有C扩展的老包。 不过这种情况不多，而且一般切回pip就能解决。 推荐做法：纯Python项目用uv，需要系统依赖的项目（比如 PyTorch GPU 版）还是用pip或者Conda。 应该对这些新的工具保持一点耐心，也许未来上述这种场景也将会被弥补上来。 "这就像你的Vibe Coding工具，在没用Claude Code之前，你用其他工具觉得非常好用。但是一旦用了Claude Code之后，就很难再用回其他工具。" 2 安装使用篇 说了这么多，不如亲自试一试。 2.1 安装 UV uv不需要预先安装Python和Rust，安装脚本会处理所有依赖。 2.1.1 安装 on MacOS/Linux brew install uv 或: curl -LsSf https://astral.sh/uv/install.sh | sh 2.1.2 安装 on Windows CMD or PowerShell 窗口: powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex" 安装日志: C:\Users\EDY>powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex" Downloading uv 0.9.15 (x86_64-pc-windows-msvc) Installing to C:\Users\EDY\.local\bin uv.exe uvx.exe uvw.exe everything's installed! To add C:\Users\EDY\.local\bin to your PATH, either restart your shell or run: (为了便于基于 uv 命令便捷/快速地使用，可自行配置 PATH 环境变量 或执行:) set Path=C:\Users\EDY\.local\bin;%Path% (cmd) $env:Path = "C:\Users\EDY\.local\bin;$env:Path" (powershell) 安装完成后，按提示将UV添加到系统PATH(Linux: 默认路径：~/.local/bin 或 $HOME/.cargo/bin) 2.2 安装验证 安装完成后，验证安装是否成功： uv --version 输出内容类似如下，表明安装成功： uv 0.9.15 (5eafae332 2025-12-02) 或: uv 0.8.14 (Homebrew 2025-08-28) ... 2.3 管理 Python 版本 uv 可以轻松管理多个 Python 版本，无需额外安装 pyenv 等工具。 查看可用的 Python 版本 uv python list 输出结果类似如下： C:\Users\EDY>uv python list cpython-3.15.0a2-windows-x86_64-none <download available> cpython-3.15.0a2+freethreaded-windows-x86_64-none <download available> cpython-3.14.1-windows-x86_64-none <download available> cpython-3.14.1+freethreaded-windows-x86_64-none <download available> cpython-3.13.10-windows-x86_64-none <download available> cpython-3.13.10+freethreaded-windows-x86_64-none <download available> cpython-3.12.12-windows-x86_64-none <download available> cpython-3.11.14-windows-x86_64-none <download available> cpython-3.10.19-windows-x86_64-none <download available> cpython-3.10.11-windows-x86_64-none AppData\Local\Programs\Python\Python310\python.exe cpython-3.9.25-windows-x86_64-none <download available> cpython-3.8.20-windows-x86_64-none <download available> pypy-3.11.13-windows-x86_64-none <download available> pypy-3.10.16-windows-x86_64-none <download available> pypy-3.9.19-windows-x86_64-none <download available> pypy-3.8.16-windows-x86_64-none <download available> graalpy-3.12.0-windows-x86_64-none <download available> graalpy-3.11.0-windows-x86_64-none <download available> graalpy-3.10.0-windows-x86_64-none <download available> 安装特定版本的 Python # 安装最新的 Python 3.12 uv python install 3.12 # 安装特定版本 uv python install 3.11.6 # 安装 PyPy 版本 uv python install pypy3.10 设置全局默认 Python 版本 uv python default 3.12 在项目中指定 Python 版本 # 为当前项目固定 Python 3.11 uv python pin 3.11 这会创建 .python-version 文件，标识项目所需的 Python 版本。 2.4 管理虚拟环境 创建并激活虚拟环境： # 创建名为 .venv 的虚拟环境（默认） uv venv # 激活环境（macOS/Linux） source .venv/bin/activate # 激活环境（Windows） .venv\Scripts\activate 2.5 依赖包管理 安装依赖包： # 安装最新版本 uv pip install requests # 安装特定版本 uv pip install requests==2.31.0 # 从 requirements.txt 安装 uv pip install -r requirements.txt 安装包到开发环境： uv pip install --dev pytest 升级包： uv pip upgrade requests 卸载包： uv pip uninstall requests 导出依赖： # 导出当前环境的依赖 uv pip freeze > requirements.txt # 导出生产环境依赖（排除开发依赖） uv pip freeze --production > requirements.txt 2.5 项目管理 uv 支持 pyproject.toml 格式的项目管理，这是现代 Python 项目的标准配置文件。 初始化一个新项目： uv init my_project cd my_project 这会创建基本的项目结构和 pyproject.toml 文件。 安装项目的依赖： uv sync 这个命令会根据 pyproject.toml 和 requirements.txt 安装所有依赖。类似于 pip install -e . 但更高效。 说明： uv sync 是一个依赖管理命令，它的作用类似于您可能更熟悉的 pip install -r requirements.txt，但更快、更强大、更可靠。 您可以把它理解为："一键安装这个项目正常运行所需的所有第三方软件包（依赖库）"。 uv sync 如果安装太慢，可以设置国内镜像源 https://pypi.tuna.tsinghua.edu.cn/simple： 在项目根目录的 pyproject.toml 文件 [tool.uv] 处设置 index-url： [tool.uv] index-url = "https://pypi.tuna.tsinghua.edu.cn/simple" 2.x 使用场景集 2.x.1 场景: pip 的平替 如果你只想把uv当作更快的pip，直接替换命令就行： # 创建虚拟环境 uv venv # 激活环境（和之前一样） source .venv/bin/activate # macOS/Linux .venv\Scripts\activate # Windows source .venv/Scripts/activate # Windows on Git Bash # 安装包 uv pip install pandas numpy # 导出依赖 uv pip freeze > requirements.txt # 从文件安装 uv pip install -r requirements.txt 基本上就是把pip换成uv pip，其他都一样。 对于已有项目，如果需要迁移的话，可以采样【渐进式迁移方式】： 先在本地开发环境试用uv 验证没问题后，更新CI/CD配置 团队成员逐步切换 另外，因为uv和pip是兼容的，【迁移过程】中几乎不会出现环境上冲突。 2.x.2 迁移到 uv 如果你正在使用其他工具，可以轻松迁移到 uv： 对于使用 pip + virtualenv 的项目： # 创建并激活 uv 虚拟环境 uv venv source .venv/bin/activate # 安装依赖 uv pip install -r requirements.txt 对于使用 pip-tools 的项目： uv pip compile requirements.in -o requirements.txt uv pip sync 对于使用 poetry 或 pdm 的项目： # 直接使用现有的 pyproject.toml uv sync Y 推荐文献 UV docs : https://docs.astral.sh/uv/ github : https://github.com/astral-sh/uv [Python3] Python 基础教程 - 博客园/千千寰宇 [Python] 包管理器Pip - 博客园/千千寰宇 [Python] Miniforge: 开源版conda环境管理器 - 博客园/千千寰宇 [Python/虚拟环境/包管理] conda：多环境管理与包管理器 - 博客园/千千寰宇 [Python] Python 虚拟环境管理 - 博客园/千千寰宇 X 参考文献 2025年，Python包管理工具已经由pip变成了uv？ - Weixin/机器学习实验室 2025.11.13